pandas合并两个DataFrame报错但关联列均为object是什么原因

1. 最常见原因：join方法的参数逻辑理解偏差 #

pandas的join方法默认是左表列匹配右表索引，你传入的on="foo"仅指定使用df1的foo列作为连接键，去匹配df2的行索引，而非匹配df2的foo列。
你之前检查的是df2的foo列类型，没有关注df2的索引类型，只要df2的索引是int64类型，就会触发类型不匹配报错。
如果需要按两个表的foo列合并，推荐直接改用merge方法，语法更直观：

df1.merge(df2, how = 'left', on = "foo")

如果要坚持用join，需要提前把df2的索引设置为foo列：

df2.set_index("foo", inplace=True)
res = df1.join(df2, how = 'left', on = "foo")

2. 次要原因：object类型内部存在隐性类型差异 #

如果确认你的使用场景就是要匹配df1的foo列与df2的索引，且df2索引也显示为object类型，那需要排查元素的实际类型：

• dtype标记为object仅代表该列/索引不属于pandas原生的固定类型，内部可以混合存储字符串、整数、浮点数等任意Python对象。即使两边dtype对比返回True，只要一侧的实际元素以整数为主、另一侧以字符串为主，pandas的类型校验仍会触发报错。
  可以执行以下代码排查实际元素类型：

# 查看df1的foo列元素类型分布
print(df1["foo"].apply(type).value_counts())
# 查看df2索引的元素类型分布
print(df2.index.to_series().apply(type).value_counts())

确认类型差异后，统一转换为相同类型即可，比如统一转字符串：

df1["foo"] = df1["foo"].astype(str)
df2.index = df2.index.astype(str)

内容的提问来源于stack exchange，提问作者four-eyes